Comprehensive Landscape Analysis for Usable Real-World Wound Care Data
Notice bibliographique
Résumé
BACKGROUND: The Wound Care Collaborative Community (WCCC) aims to assess current usable real-world data (RWD) sources to determine which real-world databases (DBs) are suitable and usable for studying the natural history of chronic wounds. Randomized controlled trials (RCTs) do not fully reflect the complexity of patients with chronic wounds. Using RWD, establishment of a scientifically grounded "road map" for RCTs is needed to better navigate the real-world complexity of the patients with chronic wounds. The long-term objectives include identifying patients ineligible to receive evidence-based advanced treatment and diagnostic options, reducing patient suffering, and providing decision support for regulatory bodies, payers, and clinicians. OBJECTIVE: To identify available and usable RWD on US chronic wound care patients, as an early step toward the WCCC's objectives. METHODS: Using B.R.I.D.G.E. TO DATA® methodology, the WCCC conducted a comprehensive RWD landscape analysis and systematically screened 34 potential sources for chronic wounds. Multiple data elements helped determine suitability and usability. RESULTS: Four clinical US DBs have "high potential" for elucidating the natural history of chronic wounds; a fifth met the WCCC criteria but has data access restrictions. CONCLUSION: Identifying suitable, usable real-world DBs for research is complex. Only 1 DB was found that is fit for purpose and matches the goals to study the natural history of patients with chronic wounds.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».